IDENTIFIKASI CLIMATE TRESHOLD UNTUK KEJADIAN BANJIR

783 views

Published on

Published in: Technology, Education
  • Be the first to comment

  • Be the first to like this

IDENTIFIKASI CLIMATE TRESHOLD UNTUK KEJADIAN BANJIR

  1. 1. Laporan Praktikum Hari/tanggal : Kamis/9 November 2011Klimatologi Terapan Asisten : Syamsu Dwi Jatmiko IDENTIFIKASI CLIMATE TRESHOLD UNTUK KEJADIAN BANJIR Disusun oleh: 1. Hanifah Nurhayati (G24080013) 2. Sarah Purnamawati (G24080068) 3. Fella Fauziah H. (G24080075) DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011
  2. 2. PENDAHULUAN Banjir dan hujan adalah dua hal yang sulit untuk dipisahkan, keduanya saling berkaitan.Kejadian banjir di pulau Jawa bukan merupakan hal yang baru lagi. Hal penting yangmempengaruhi kejadian banjir yaitu kondisi geografis, kondisisi iklim, dan kondisi lingkungan.Pulau Jawa termasuk dalam daerah tropis yang memiliki curah hujan tahunan yang sangat tinggi,namun kondisi lingkungannya khususnya lahannya atau bahkan DASnya sudah banyak dikonversimenjadi pemukiman atau kawasan industri sehingga daerah resapan hujannya sangat kurang danini yang mengakibatkan terjadinya banjir. Pada praktikum kali ini dilakukan suatu prediksi kejadian banjir dengan softwareMATLAB berdasarkan data curah hujan yang diperoleh dari pemodelan Magicc Scangen denganskenario 650NFB untuk berbagai musim yaitu desember-januari-februari, maret-april-mei, juni-juli-agustus, dan september-oktober-november pada tahun 2020.HASIL DAN PEMBAHASAN Model Magicc Scangen merupakan software yang diperlukan untuk skenario emisi gasrumah kaca, gas reaktif, dan sulfur dioksida sebagai masukan dan memberikan rata-rata suhuglobal, kenaikan permukaan laut, dan iklim daerah sebagai output. MAGICC adalah modelgascycle / iklim yang digabungkan. Model iklim di MAGICC adalah upwelling, energikeseimbangan model yang menghasilkan output suhu global dan untuk ekspansi termal laut.Model ini telah digunakan dalam semua laporan IPCC untuk menghasilkan proyeksi masa depanglobal rata-rata suhu dan perubahan permukaan laut. SCENGEN adalah algoritma regionalisasiyang menggunakan metode skala untuk menghasilkan informasi iklim dan perubahan iklim dilintang 5 ° dengan 5° bujur. (Santer, B.D., T.M.L. Wigley, M.E. Schlesinger, and J.F.B. Mitchell.1990) . Berikut ini adalah hasil prediksi kejadian banjir dengan software MATLAB berdasarkandata curah hujan yang diperoleh dari pemodelan Magicc Scangen dengan skenario 650NFB untukberbagai musim yaitu desember-januari-februari, maret-april-mei, juni-juli-agustus, danseptember-oktober-november pada tahun 2020. Tabel 1. Kemungkinan Terjadinya Banjir Berdasarkan Probability Q3 Rainfall Obs 275.93 Probability Q3 DJF MAM JJA SON Batas Bawah 0.6852 0.6752 0.6896 0.6514 0.6388 Batas Atas 0.3148 0.3248 0.3102 0.3486 0.3612 Tabel 1 menunjukkan bahwa kemungkinan terjadinya curah hujan melebihi 275,93 incidan dapat berakibat banjir pada tahun 2020 berdasarkan probability Q3 yaitu berkisar antara 31%hingga 36%. Jika data yang digunakan adalah data curah hujan observasi maka kemungkinankejadian banjir pada tahun 2020 yaitu 31%. Jika data yang digunakan adalah data curah hujan hasilprediksi dengan menggunakan model Magicc Scangen dan skenario 650NFB maka kemungkinanbanjir untuk bulan Desember-Januari Februari sebesar 32%, bulan Maret –April-Mei sebesar 31%,bulan Juni-Juli-Agustus sebesar 35%, dan bulan September-Oktober-November sebesar 36%.
  3. 3. Tabel 2. Kemungkinan Terjadinya Banjir Berdasarkan Probability Median Rainfall Obs 167.75 Probability Median DJF MAM JJA SON Batas Bawah 0.2742 0.2652 0.2866 0.2476 0.2477 Batas Atas 0.7258 0.7348 0.7134 0.7524 0.7523 Tabel 2 menunjukkan bahwa terjadinya curah hujan melebihi 275,93 inci dan dapatberakibat banjir pada tahun 2020 berdasarkan probability Median yaitu berkisar antara 71% hingga75%. Jika data yang digunakan adalah data curah hujan observasi maka kemungkinan kejadianbanjir pada tahun 2020 yaitu 73%. Jika data yang digunakan adalah data curah hujan hasil prediksidengan menggunakan model Magicc Scangen dan skenario 650NFB maka kemungkinan banjiruntuk bulan Desember-Januari Februari sebesar 73%, bulan Maret –April-Mei sebesar 71%, bulanJuni-Juli-Agustus sebesar 75%, dan bulan September-Oktober-November sebesar 75%. Di st r i busi Nor mal Cur ah Huj an Kej adi an Banji r Normal 0,006 Mean 219,7 StDev 74,34 N 21 0,005 0,004 Pr obabilit y 0,003 0,002 0,001 Me Q3 0,000 50 100 150 200 250 300 350 Cur ah Hujan ( mm) Gambar 1. Distribusi Normal Curah Hujan Kejadian Banjir Berdasarkan gambar 1 dapat diketahui bahwa prediksi kejadian banjir pada tahun 2020untuk probabilitas berdasarkan Median, nilai probabilitasnya lebih tinggi daripada berdasarkan Q3.Hal ini menunjukkan bahwa jika kejadian banjir pada tahun 2020 diprediksi berdasarkan medianmaka kemungkinan kejadian banjir lebih besar dibandingkan dengan kejadian banjir pada tahun2020 yang diprediksi berdasarkan Q3.KESIMPULAN Kejadian banjir sangat erat kaitannya dengan jumlah distribusi curah hujan. Pulau Jawatermasuk dalam wilayah tropis dimana curah hujan tahunannya sangat tinggi, selain ituprobabilitas banjirnya juga tinggi. Metode statistik yang dapat digunakan untuk memprediksiprobabilitas banjir diantaranya yaitu dengan median dan Q3. Hasil prediksi kejadian banjirberdasarkan curah hujan dengan median lebih tinggi nilainya dibanding dengan Q3.DAFTAR PUSTAKA
  4. 4. Santer, B.D., T.M.L. Wigley, M.E. Schlesinger, and J.F.B. Mitchell. 1990. Developing Climate Scenarios from Equilibrium GCM Results. Max-Planck-Institut für Meteorologie Report No. 47, Hamburg, Germany. Wigley, T.M.L. and S.C.B. Raper. 1992. Implications for climate and sea level of revised IPCC emissions scenarios. Nature 357:293-300.

×